获取数据集随机排序的映射

Question

我正在使用scikit-learn的shuffle函数来洗牌数据集。但是，我想知道洗牌的映射。例如，给定一个数据集D并假设我对其进行了洗牌，那么我想知道实例的旧索引是什么。有没有快速的方法可以做到这一点？想提供一个将当前索引映射到旧索引的字典吗？

Answer 1

我对scikit-learn不是很熟悉，但我认为你可以洗牌数据集索引列表（即包含数字0..len（dataset）-1的列表），然后使用洗牌列表重新索引数据集。希望这是有道理的。

像这样：

from random import shuffle
dataset = ["1", "2", "3"]
indices = range(len(dataset))
shuffle(indices)
shuffled_dataset = [dataset[i] for i in indices]

执行此代码后，索引列表将新索引映射到旧索引。 例如，如果 index[0] = 2，则shuffled_dataset中的元素 0 是数据集中的元素 2。

提供的代码不使用scikit-learn，

但应该可以使用scikit-learn的方法和类来应用相同的想法。